重症マラリア毒性タンパク質に対する広域阻害抗体
重症マラリアの原因となるPfEMP1タンパク質に対する広域阻害抗体が発見され、これらの抗体が重症マラリアに対する獲得免疫の一般的なメカニズムを示唆しており、新規ワクチンや治療法開発への応用が期待される。
Discovery and Characterization of Broadly Inhibitory Antibodies Targeting Severe Malaria Virulence Proteins
Two broadly reactive human monoclonal antibodies demonstrate the potential for developing effective treatments or vaccines against severe malaria by targeting a conserved region of virulence proteins essential for parasite binding and disease severity.
可解釋性人工智慧揭示計算病理學模型的局限性和組織生物標記
HIPPO，一種新的可解釋性人工智慧框架，通過量化組織區域對模型預測的影響，揭示了深度學習模型在計算病理學中的局限性和潛在偏差，優於傳統的注意力機制，並促進更可靠的診斷和預後工具的發展。
설명 가능한 AI를 이용한 계산 병리학: 모델 한계 및 조직 바이오마커 식별
HIPPO는 AI 모델의 예측에 특정 조직 영역이 미치는 영향을 정량적으로 평가하여 계산 병리학에서 ABMIL 모델의 신뢰도를 높이고 의사 결정 과정에 대한 심층적인 이해를 제공하는 설명 가능한 AI 프레임워크입니다.
説明可能なAIを用いた計算病理学による、モデルの限界と組織バイオマーカーの特定
計算病理学における説明可能なAIフレームワーク「HIPPO」は、組織領域を系統的に変更することで画像の反事実例を生成し、モデルの意思決定プロセスを明らかにすることで、モデルの信頼性と臨床応用を促進します。
乳癌切片中淋巴結轉移綜合基準研究
本研究重新處理並優化了Camelyon數據集，構建了一個更精確、全面的乳癌淋巴結轉移檢測基準Camelyon+，並利用其評估了多種深度學習方法，為計算病理學領域的AI發展提供了新的基準和參考。
유방암 섹션의 병리학적 림프절 전이에 대한 포괄적인 벤치마크를 향하여: 카멜리온 데이터 세트 재처리 및 MIL 모델 평가
본 연구는 카멜리온 데이터 세트의 품질 문제를 해결하고 재처리된 데이터 세트를 사용하여 여러 인스턴스 학습(MIL) 모델을 평가하여 유방암 림프절 전이 진단을 위한 인공지능 개발을 위한 포괄적인 벤치마크를 제시합니다.
乳がん切片における病理学的リンパ節転移のための包括的なベンチマークに向けて
本稿では、乳がんのリンパ節転移を検出するために広く使用されているCamelyonデータセットの品質問題に対処し、再処理されたCamelyon+データセットと、複数のMILモデルと特徴抽出器を用いたベンチマーク結果を提供することで、計算病理学におけるAI開発を促進することを目的とする。
基於深度學習的臍帶胎兒炎症反應診斷
深度學習模型，特別是使用病理學圖像預先訓練的模型，可以有效地診斷臍帶胎兒炎症反應，有助於減少觀察者之間的差異，並可能改善新生兒敗血症的風險分層。
탯줄에서의 태아 염증 반응 진단을 위한 딥러닝 모델 개발 및 성능 평가
딥러닝 기반의 인공지능 모델을 활용하여 탯줄 조직 슬라이드 이미지 분석만으로 태아 염증 반응 단계를 진단하는 데 높은 정확도를 보였으며, 특히 병리학 이미지로 사전 학습된 모델이 더 우수한 성능을 나타냈다.
